I. Creando nuestros datos

Primero, crearemos un vector con cada uno de los nombres de la personas y los datos de la latitus y longitud del lugar de la República Mexicana al que les gustaría viajar. Posteriormente, mediante la función rbind crearemos una matriz por columnas con los datos de las ubicaciones a las que nos gustaría viajar:

Santiago<-c(-87.466,20.212)
Uriel<-c(-92.6367,16.7376)
Sebastian<-c(-106.4531,23.2420)
Emilio<-c(-86.8465,21.1742)
Anahi<-c(-74.2973,4.5708)
viajes<-rbind(Santiago,Uriel,Sebastian,Emilio, Anahi)
viajes
##                [,1]    [,2]
## Santiago   -87.4660 20.2120
## Uriel      -92.6367 16.7376
## Sebastian -106.4531 23.2420
## Emilio     -86.8465 21.1742
## Anahi      -74.2973  4.5708

II. Cambiando el nombre de nuestras columnas

Una vez que hemos creado nuestra matriz de datos, cambiaremos el nombre de nuestras columnas con la función colnames:

colnames(viajes)<-c("Longitud","Latitud")
viajes
##            Longitud Latitud
## Santiago   -87.4660 20.2120
## Uriel      -92.6367 16.7376
## Sebastian -106.4531 23.2420
## Emilio     -86.8465 21.1742
## Anahi      -74.2973  4.5708

III. Transformando nuestra matriz en un data.frame

Recuerda que para hacer gráficas con ggplot y mapas con qmplot necesitamos un data frame. Vamos a transformar nuestra matriz en un data.frame de la siguiente forma:

viajes<-data.frame(viajes)
viajes
##            Longitud Latitud
## Santiago   -87.4660 20.2120
## Uriel      -92.6367 16.7376
## Sebastian -106.4531 23.2420
## Emilio     -86.8465 21.1742
## Anahi      -74.2973  4.5708

IV. Creando una gráfica de dispersión con nombres y puntos

Podemos crear una grafica de dispersión y usar los nombres como etiqueta si utilizamos la función ggplot junto con geom_text; además, podemos agregar puntos a nuestra gráfica con la función geom_point. Finalmente, si queremos que nuestra gráfica sea interactiva, utilizamos la función ggplotly:

dispersion<-ggplot(viajes)+geom_text(aes(Latitud,Longitud),label= rownames(viajes))+geom_point(aes(Latitud,Longitud),color= rainbow(5))
ggplotly(dispersion)

V. Creando un mapa

Para crear un mapa, utilizaremos la funcion qmplot:

qmplot(Longitud, Latitud, data=viajes, color=I(rainbow(5)))

VI. Mapa de puntos y denssidad

Podemos agregar el parámetro geom = c("point","density2d") para hacer un mapa de puntos y densidad:

qmplot(Longitud, Latitud, data=viajes, geom=c("point","density2d"))

VII. Preguntas

1.- ¿Cómo están distribuidas sus ubicaciones?

Todos estamos en la riviera maya a excepción de Anahí y Sebastián, que escogieron Mazatlán y Bogotá. Por ello podemos observar que la mayor densidad se encuentra en el sureste de México. Respuesta 1

2.- Si tuvieras que pensar en una función que pasara por todas sus ubicaciones, ¿qué tipo de función sería?

Consideramos que la más parecida poniéndonos un poco creativos sería la función racional. Respuesta 2

3.- ¿Consideras que graficar la ubicación de una persona en un mapa tiene un valor económico? ¿Por qué?

Si, porque se puede determinar el tamaño de la población y analizar que tipos de actividades económicas se desarrollan en dicha región. Respuesta 3

4.- ¿Hasta ahora qué han aprendido en el curso?

Lo básico de programación, a utilizar R para diversas tareas así como el uso de herramientas de análisis de datos y la importancia de estos. Respuesta 4


Esta obra fue generada mediante R en November 18, 2020 y forma parte de las actividades realizadas en las materias de Matemáticas I y Taller III, Facultad de Economía, UNAM.
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional. Creative Commons (CC).Licencia de Creative Commons